Graduações em Engenharias e Ciência da Computação

URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249

Navegar

Filtros

2024 - 20254

Configurações

Data inicial: 2023Palavra-chave: search.filters.subject.Inteligência Artificial

Resultados da Pesquisa

Agora exibindo 1 - 4 de 4
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    Guardrails em IA Generativa
    (2025) Pereira, Fernanda de Oliveira; Hermida, Gabriel Mendonça de Mello; Medeiros, Rodrigo Paoliello de
    A inteligência artificial (IA) generativa, quando aplicada no desenvolvimento de assistentes virtuais, pode, em muitos casos, retornar respostas inadequadas ou incorretas, confundindo usuários e gerando desinformação. Atualmente, são desenvolvidas guardrails que analisam tanto as entradas fornecidas pelos usuários quanto as saídas geradas pelos modelos, garantindo que as respostas devolvidas sejam adequadas. Nesse contexto, a solução deste projeto consistiu na implementação de diferentes tipos de guardrails (escopo, competidores, toxicidade, alucinação, dados sensíveis e técnicas de jailbreak), na definição de métricas específicas para avaliar seu funcionamento e na construção de uma arquitetura suficientemente modular para ser adaptável a diversos contextos. As guardrails implementadas alcançaram resultados satisfatórios conforme as métricas estabelecidas, indicando viabilidade técnica para utilização inicial pela empresa parceira em consultorias de assistência virtual com IA. Apesar disso, o projeto identificou oportunidades de melhoria, especialmente relacionadas à ampliação das bases de treinamento e avaliação, à adoção de mecanismos adaptativos e ao aprimoramento da mitigação de alucinações, visando ampliar sua eficácia em aplicações práticas futuras.
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    Inteligência artificial para escalar vendas e resultados
    (2024) Fonteyne, Enzo; Tanaka, Livia; Costa, Lucca Hiratsuca; Lazzaron, Luiz Felipe
    Este artigo apresenta o desenvolvimento de uma ferramenta baseada em IA projetada para aumentar a produtividade de equipes de vendas B2B, auxiliando na criação e avaliação de propostas comerciais. A solução, desenvolvida como parte de uma colaboração entre estudantes do Insper e uma empresa de tecnologia brasileira, utiliza IA para automatizar e otimizar diversos aspectos do processo de vendas. A ferramenta proposta integra-se com apresentações já estabelecidas e utiliza modelos de IA generativa para fornecer insights e sugestões, aprimorando a estrutura, clareza e relevância das propostas comerciais. A arquitetura da ferramenta é construída usando o framework LangChain, permitindo a integração de múltiplos modelos de linguagem e a implementação de técnicas avançadas de processamento de linguagem natural, incluindo RAG (Geração Aumentada por Recuperação) e ReACT (Framework de Raciocínio e Ação). A eficácia da solução foi validada por meio de protótipos e entrevistas com partes interessadas, confirmando seu potencial para impactar significativamente a qualidade das propostas e os resultados de vendas.
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    Uso de IA para sistema de orientação e guiagem para pouso de sistemas autônomos de um VANT
    (2024) Ogawa, Alessandra Yumi Carvalho; Zamberlan, Enzo Dadier Lacks; Oliveira, Mateus Ruggero de; Gallo, Vinicius
    Este projeto visa o desenvolvimento de um sistema de guiagem autônomo para pouso de um VANT (Veículo Aéreo Não Tripulado) cargueiro, utilizando inteligência artificial e visão computacional. O software Unreal Engine 5 será empregado como ambiente de simulação e desenvolvimento, permitindo tanto o treinamento quanto a visualização dos resultados do algoritmo criado. A metodologia ágil Scrum foi adotada para definir entregáveis periódicos, enquanto a abordagem V&V (Verificação e Validação) é utilizada para organizar as etapas e assegurar a conformidade com os requisitos. Atualmente, o projeto encontra-se na fase de definição e validação de requisitos, caminhando para a etapa de Test Readiness Review (TRR). Ao final do desenvolvimento, o algoritmo de inteligência artificial, criado a partir da YOLOv3, foi capaz de identificar áreas possíveis para pouso levando em conta diversos requisitos com ótima precisão. Além disso, as rotinas de waypoints, fail-safe, detecção de obstáculos e movimentação para locais alternativos de pouso, simula adequadamente condições reais propostas.
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    Triagem oncogenética modelada por IA
    (2024) Alves, Gabriel de Araujo; Nishio, Keiya; Rodrigues Filho, Ricardo Mourão; Costa, Sarah Azevedo Pimenta da
    A Triagem Oncogenética por meio de questionário modelado por Inteligência Artificial (IA) representa uma inovação significativa no diagnóstico do câncer hereditário. Este estudo propõe uma abordagem que se baseia na análise criteriosa de parâmetros de história familiar para a seleção eficiente de pacientes aptos a realizar testes genéticos, sendo reconhecida como a estratégia mais custo-efetiva disponível atualmente. Com uma extensa base de dados de aproximadamente 10 mil pacientes atendidos e testados nos últimos quatro anos pelo A.C. Camargo, esta pesquisa se apoia em uma metodologia robusta, envolvendo a implementação de modelos probabilísticos e de inferência. Um dos pontos-chave deste estudo é a possibilidade de utilização do pacote PanelPro, desenvolvido pelo laboratório Bayesmendel de Harvard, que oferece ferramentas avançadas para análise de dados genéticos. Além disso, o projeto se beneficia da expertise acumulada ao longo dos anos pelo A.C. Camargo em Oncogenética. Ao analisar uma amostra representativa de 4 mil pacientes, juntamente com os resultados de testes genéticos positivos e negativos, busca-se identificar os parâmetros que maximizam a sensibilidade, especificidade e a área sob a curva ROC (AUC), a fim de automatizar o processo de seleção de pacientes para testes genéticos. A implementação bem-sucedida desta ferramenta tem o potencial de revolucionar a prática clínica, permitindo um encaminhamento mais eficiente e direcionado aos pacientes dos centros de referência (CRs) do A.C. Camargo para o Departamento de Oncogenética. Além disso, essa abordagem pode contribuir significativamente para a identificação precoce de indivíduos com predisposição genética ao câncer, possibilitando intervenções preventivas e terapêuticas mais eficazes. Em última análise, esse avanço tecnológico promete impactar positivamente a qualidade de vida e o prognóstico dos pacientes e suas famílias, representando um importante passo rumo à medicina personalizada e de precisão no combate ao câncer hereditário.